错误与诊断
L11 恢复策略与重试边界
本课目标
- 按场景选择恢复算子
- 理解 retry 与 Schedule 是策略描述
前置课时尚未完成：L10
可以自行跳转学习，但按顺序推进会更省力；学情分析会把这类缺口归入「前置缺口」。
恢复算子选择表
- catch / catchTag / catchTags：只处理 E 中的某类或全部预期错误。
- orElse / Effect.result：提供备用计算，或把结果转成值再分支。
- catchDefect：只在边界处理缺陷。
- catchCause：拿到完整 Cause，做统一上报或聚合决策。
- Effect.exit：把失败吸收成值，用于批量任务里「不因一个失败中断全部」。
重试是策略，不是循环
← 代码可左右滑动 →
import { Effect, Schedule } from "effect"
const resilient = flakyRequest.pipe(
Effect.retry(
Schedule.exponential("100 millis").pipe(
Schedule.jittered,
Schedule.compose(Schedule.recurs(4))
)
),
Effect.timeout("3 seconds")
)💡 Schedule 本身是一份可组合的策略描述：初始延迟、退避因子、抖动、最多几次。
🔬 为什么要 jitter
固定间隔的重试会让大量客户端在同一时刻再次冲击刚恢复的下游——重试风暴。jittered 给间隔加随机扰动，把峰值摊平。Schedule 把这类经验直接做成可组合的算子。
交互演练
关键术语
Schedule
描述重复／延迟／退避策略的不可变值
jitter
给重试间隔加随机扰动以避免同步重试风暴
常见误区
× 对 defect 做 retry——bug 不会因为重试而消失，只会放大流量。
× 重试非幂等写操作，需要配合幂等键或去重。
随堂测验（即时反馈，答题计入掌握度）
Q1只想恢复 NotFound 这一种错误，用？
Q2Effect.retry 接受的是什么？